مستشعرات الذكاء الاصطناعي قد تساعد المركبات ذاتية القيادة في المدن الثلجية

تعتبر واحدة من أكبر التحديات التي تواجه المركبات ذاتية القيادة هي صعوبة التنقل في ظروف الطقس السيئة، مما يحد من تطبيقها في المدن الثلجية مثل ديترويت وشيكاغو. تعتمد المركبات على بيانات المستشعرات الحيوية لاكتشاف العوائق والبقاء على الجانب الصحيح من الطريق، ولكن هذه البيانات تواجه صعوبات في الثلج.

في ورقتين جديدتين قدمتا في SPIE Defense + Commercial Sensing 2021، ناقش باحثون من جامعة ميشيغان التكنولوجية حلولا جديدة للسيناريوهات الثلجية مع المركبات ذاتية القيادة.

هناك مجموعة واسعة من المركبات ذاتية القيادة، بما في ذلك بعضها مع نقاط عمياء أو مساعدة في الفرامل، وأخرى مع وضعية القيادة الذاتية أو بدونها. يمكن أن تعمل بعض أفضل المركبات بشكل مستقل.

نظرًا لأن التكنولوجيا لا تزال في مرحلة الطفولة في العديد من الجوانب، تعمل الشركات المصنعة للسيارات والجامعات البحثية بشكل مستمر على تحسين التكنولوجيا والخوارزميات. عندما تحدث الحوادث، غالبًا ما تكون نتيجة لخطأ في حكم سيارة الذكاء الاصطناعي أو خطأ بشري.

مستشعرات بشرية

العيون البشرية هي أيضًا نوع من المستشعرات، حيث تكتشف التوازن والحركة. يعمل دماغنا كجهاز معالجة، مما يساعدنا على فهم بيئتنا. هذه معًا تمكننا من القيادة في جميع السيناريوهات، حتى تلك الجديدة، لأن أدمغتنا يمكن أن تعمم الخبرات الجديدة.

المركبات ذاتية القيادة عادة ما تكون مجهزة بكاميرتين مثبتتين على جيمبال، وتسكان وتصور العمق باستخدام رؤية ستيريو لتمثيل الرؤية البشرية. في الوقت نفسه، يمكن قياس التوازن والحركة باستخدام وحدة قياس القصور الذاتي. ومع ذلك، يمكن للكمبيوتر فقط أن يتفاعل مع السيناريوهات التي واجهها من قبل أو تلك التي تم برمجتها للتعرف عليها.

دمج المستشعرات

تعتمد المركبات ذاتية القيادة على خوارزميات الذكاء الاصطناعي المحددة للمهمة، والتي تتطلب مستشعرات متعددة مثل كاميرات الفيش آي، ومستشعرات الأشعة تحت الحمراء، ورادار، وكشف الضوء، وlidar.

ناثير رواشدة هو أستاذ مساعد في قسم الحوسبة في كلية الحوسبة في ميشيغان تيك وواحد من المؤلفين الرئيسيين للدراسة.

“كل مستشعر له قيود، وكل مستشعر يغطي ظهر الآخر”، قال رواشدة. “يستخدم دمج المستشعرات مستشعرات متعددة من أنماط مختلفة لفهم المشهد. لا يمكنك برمجة كل التفاصيل بشكل استنفادي عندما تكون المدخلات لها أنماطًا صعبة. لذلك نحتاج إلى الذكاء الاصطناعي”.

شملت شركاء الدراسة نادر أبو الروب، طالب دكتوراه في الهندسة الكهربائية والحاسوبية، وجيريمي بوس، أستاذ مساعد في الهندسة الكهربائية والحاسوبية. وشملت الشركاء الآخرون طلاب الدراسات العليا والخريجين من مختبر بوس: آخيل كوروب، وديريك تشوب، وزاك جيفريز.

تم تطوير مستشعرات و خوارزميات القيادة الذاتية تقريبًا حصريًا في المناظر الصحيحة والواضحة. بدأ مختبر بوس في البداية بجمع البيانات في مركبة ذاتية القيادة في ميشيغان تيك، وتم جمع أكثر من 1000 إطار من بيانات ليدار ورادار وصور من الطرق الثلجية في ألمانيا والنرويج.

根据 بوس، يصعب الكشف عن المستشعرات بسبب تنوع الثلج. من المهم معالجة البيانات وتأكيد التسمية الصحيحة.

“ليس كل الثلج متساوي”، قال بوس. “الذكاء الاصطناعي مثل الطاهي – إذا كان لديك مكونات جيدة، ستكون هناك وجبة ممتازة”، قال. “إعطاء شبكة التعلم الذكية بيانات مستشعر متسخة وستحصل على نتيجة سيئة”.

توجد تحديات أخرى كبيرة تتضمن بيانات منخفضة الجودة والغبار، وتراكم الثلج على المستشعرات يسبب مشاكله الخاصة. حتى بعد تنظيف المستشعرات، لا يوجد دائمًا اتفاق في الكشف عن العوائق. غالبًا ما يكون من الصعب الحصول على الاتفاق بين المستشعرات وتقييمات المخاطر والتواصل مع بعضها البعض، حيث يمكن لكل مستشعر أن يصل إلى استنتاجه الخاص. ومع ذلك، يريد الفريق أن تصل المستشعرات الذاتية إلى استنتاج جماعي باستخدام دمج المستشعرات.

“بدلاً من التصويت الصارم، سنستخدم دمج المستشعرات لنحصل على تقدير جديد”، يقول بوس.

ستستمر مستشعرات المركبات الذاتية في التعلم والتحسين في الطقس السيئ، ويمكن أن تفتح مناهج جديدة مثل دمج المستشعرات الطريق للمركبات الذاتية على الطرق الثلجية.